本節的內容是銜接上節數據挖掘寬表處理的部分，上節分析了電信業客戶流失問題分析預測的准備工作，這節繼續進行探索性分析和建模分析及模型評估，客戶流失預測分為流失規則的預測以及流失評分預測。本節的流失規則預測基於決策樹算法，流失評分預測基於神經網絡算法實現。
四、探索性數據分析
1、離散型變量
1）名義型離散變量
使用描述圖形進行探索性分析：
eg： 手機品牌的分布：
s<-summary(churn_analysis$Handset)
pie(s) #手機品牌分布
2）有序性離散變量
話務量級別：
2、連續型變量
繪圖：直方圖、箱線圖
在網時長和總通話費用的圖形展現：
3、變量之間關系的探索性分析
1)離散變量與離散變量
使用網絡圖分析：
交叉列聯表和卡方檢驗：SPSS Moderler輸出節點“矩陣”，進行列聯表分析：
2）離散變量與連續變量
高峰期通話時長與流失之間的關系：
在0.05的顯著性水平下，由F值可以看出流失客戶與不流失客戶的高峰期通話時長有着顯著差異。
3）連續變量與連續變量
可以通過散點圖直觀展示，也可通過計算相關系數來展示：
五、、建立模型
1、細分類模型——聚類
適用於：客戶價值較低的客戶群
思路：使用客戶的屬性變量和行為變量（不包括是否流失）對客戶進行聚類分析，分析各個群組的流失率情況，找出流失率較高的群組，並分析刻畫他們的特征，以便業務人員有針對性的制訂營銷策略。
1）連續變量離散化處理
2）類型節點處理
3）K-均值聚類
當k=7時，得到的聚類成果如下：
4）流失率計算
將這7個群組按照是否流失進行匯總，求出各群組的流失率
對以上的匯總結果進行變量排序和變量重命名后輸出到表格中展示，如下：
5）特征分析
取流失率較高的兩個群組（高流失客戶群體），分析他們的特征，找出可能的流失原因。取聚類-1和聚類5兩個群組，進行特征分析
流失率較高的群組特征概括：
| 群組編號 |
群組占比 |
流失率 |
客戶主要特征 |
特征概括 |
| 聚類-1 |
13.6% |
0.148 |
總花費較低 |
低價值客戶 |
| 聚類-5 |
10.3% |
0.083 |
總花費較高 |
較高價值客戶 |
以上為流失率較高的兩類客戶的特征概括，可以將這種模型提供給運營和營銷人員，方便他們根據客戶特征制定相關的營銷策略，有效率地提高流失召回效率。
2、流失規則預測模型
1）分區
按照7:3分配訓練集和測試集，也可改變該分配比例來比較分類預測的效果
2）建立決策樹模型
3）使用模型查看器查看決策樹分類規則
Tariff_OK in [ "High CAT 100" "High CAT 50" "High Play 100" ] [ 模式：1 ] => 1
Tariff_OK in [ "OK" ] [ 模式：0 ]
Handset in [ "ASAD170" "BS210" "CAS60" "S80" "WC95" ] [ 模式：0 ] => 0
Handset in [ "ASAD90" ] [ 模式：1 ]
Usage_Band = 中使用率 [ 模式：1 ] => 1
Usage_Band = 低使用率 [ 模式：0 ] => 0
Usage_Band = 極高使用率 [ 模式：1 ]
Gender = 女 [ 模式：1 ]
Peak_mins_Ratio <= 0.830 [ 模式：1 ] => 1
Peak_mins_Ratio > 0.830 [ 模式：0 ]
Peak_mins_Trend <= 7.424 [ 模式：1 ] => 1
Peak_mins_Trend > 7.424 [ 模式：0 ] => 0
Gender = 男 [ 模式：0 ] => 0
Usage_Band = 高使用率 [ 模式：1 ]
Age <= 51 [ 模式：1 ] => 1
Age > 51 [ 模式：0 ] => 0
Handset in [ "BS110" ] [ 模式：0 ]
Peak_mins_Ratio <= 0.491 [ 模式：0 ]
National_calls <= 88 [ 模式：0 ]
Gender = 女 [ 模式：0 ] => 0
Gender = 男 [ 模式：1 ] => 1
National_calls > 88 [ 模式：1 ]
AveOffPeak <= 13.254 [ 模式：1 ] => 1
AveOffPeak > 13.254 [ 模式：0 ] => 0
Peak_mins_Ratio > 0.491 [ 模式：0 ]
International_mins <= 178.474 [ 模式：0 ]
AveNational <= 10.161 [ 模式：0 ] => 0
AveNational > 10.161 [ 模式：0 ]
Gender = 女 [ 模式：0 ] => 0
Gender = 男 [ 模式：1 ] => 1
International_mins > 178.474 [ 模式：0 ]
International_mins_Ratio <= 0.183 [ 模式：0 ] => 0
International_mins_Ratio > 0.183 [ 模式：1 ] => 1
Handset in [ "CAS30" ] [ 模式：1 ]
call_cost_per_min <= 7.915 [ 模式：0 ] => 0
call_cost_per_min > 7.915 [ 模式：1 ]
Usage_Band in [ "中使用率" "極高使用率" "高使用率" ] [ 模式：1 ] => 1
Usage_Band in [ "低使用率" ] [ 模式：1 ]
Peak_calls <= 176 [ 模式：1 ]
AveOffPeak <= 1.591 [ 模式：0 ] => 0
AveOffPeak > 1.591 [ 模式：1 ] => 1
Peak_calls > 176 [ 模式：0 ] => 0
Handset in [ "S50" ] [ 模式：0 ]
Total_Cost <= 99.515 [ 模式：0 ]
Tariff in [ "CAT 100" "CAT 200" ] [ 模式：0 ] => 0
Tariff in [ "CAT 50" "Play 300" ] [ 模式：0 ] => 0
Tariff in [ "Play 100" ] [ 模式：1 ] => 1
Total_Cost > 99.515 [ 模式：0 ]
Age <= 25 [ 模式：0 ]
International_mins <= 181.009 [ 模式：0 ]
Gender = 女 [ 模式：1 ] => 1
Gender = 男 [ 模式：0 ] => 0
International_mins > 181.009 [ 模式：1 ]
average cost min <= 0.145 [ 模式：0 ] => 0
average cost min > 0.145 [ 模式：1 ] => 1
Age > 25 [ 模式：0 ]
International_mins <= 178.126 [ 模式：0 ]
Gender = 女 [ 模式：1 ] => 1
Gender = 男 [ 模式：0 ] => 0
International_mins > 178.126 [ 模式：0 ] => 0
Handset in [ "SOP10" "SOP20" ] [ 模式：1 ] => 1
4）決策樹
5）查看分類訓練和預測結果
6）生成SQL腳本
a) 生成模型后選擇生成SQL腳本
*注：boosting默認不能生成SQL腳本
b) 接下來，將SQL腳本導入PL/SQL中：
文件—>打開—>SQL腳本
c) 將數據EXCEL表導入PL/SQL中：
對於數據集較小的表：
可以先在數據庫中建立一個表（CLASS）
最終顯示的結果為C0和C1兩列值，C0表示的是預測值，C1表示預測的准確率。
7）模型評估
提升圖：
圖形結果顯示，提升度隨RPP(正類預測比例)的提高呈降序分布，且提升度較高，說明模型的預測准確率較高，比隨機預測提升了較高的水平。
ROC曲線：
ROC曲線顯示預測模型對1的敏感度很高，說明模型的預測效果很好。
8）模型分析
結果顯示模型的整體預測准去率達到了94.61%，而且模型的命中率為61.82%，模型的查全率為75.78%。
3、流失評分預測模型（神經網絡算法實現）
1）缺失值處理
將空值取值為0
2）離散目標變量（churn）更改為連續目標變量（churncore）
將1取值為100
0取值為0
3）隨機抽取訓練集和測試集
4）建立神經網絡模型
5）模型分析和評估
